Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Facultad de Ingeniería
Ingeniería Civil Industrial
Proyecto 2
Cristofer González
Camila Inzunza
Francisco Rivera
Grupo: 10
Héctor Valdés
Resumen
Índice de contenido
1. INTRODUCCIÓN
En la actualidad las empresas deben preocuparse de contar con un ambiente laboral
que identifique las señales de riesgo y una correcta distribución de equipos en la planta, con
la finalidad de realizar el trabajo de la mejor manera posible, debido a que es primordial para
minimizar los costos y maximizar la productividad. Una buena distribución de planta indica
que la empresa cuenta con sus equipos o máquinas, estaciones de trabajo, pasillos y áreas
habituales dentro de la instalación relacionadas entre sí para la facilitación del flujo de
productos o materiales de un lugar a otro.
Una de las decisiones estratégicas más relevantes para determinar la eficiencia a largo
plazo de una empresa es la que corresponde a la distribución de planta o layout, ya que con lo
anterior se logra construir un sistema productivo que sea capaz de alcanzar los objetivos de la
empresa de una forma eficaz y haciendo uso eficiente de los recursos. Además, diseñar una
correcta distribución de las máquinas y las zonas de trabajo ayuda a la empresa a conseguir
una ventaja competitiva por sobre sus competidores.
3. MARCO TEÓRICO
3.1 Problema de distribuciones tipo Job shop
El problema de programación del taller (JSP) es uno de los problemas de
programación de producción más clásicos. El objetivo de la JSP es encontrar secuencias de
trabajos y máquinas para optimizar objetivos de producción específicos. Una buena solución
JSP puede ayudar eficazmente a los fabricantes a mejorar la eficiencia de producción y
reducir los costes de producción (Dao T.K., Pan T.S., Nguyen T.-T. & Pan J.S., 2018) (Gong
G.L. et al., 2019). Otros objetivos directamente relacionados con el tiempo son la
minimización de tardanzas, retrasos y flujo total. El JSP se considera un problema NP-Hard
(Garey & Johnson, 1979); por lo tanto, es computacionalmente difícil encontrar una solución
óptima en un tiempo razonable ya que el espacio de búsqueda crece exponencialmente a
medida que aumentan las entradas del problema.
4. METODOLOGÍA
1) Determinar área rectangular mínima para poder instalar todas las máquinas y sea posible
tener pasillos de 2 metros, entre máquina y máquina, para garantizar la seguridad a los
trabajadores. Las posibles superficies se determinan a partir del Número “N” de máquinas
conocidas. Por ejemplo, dispongo de 10 máquinas y deseo conocer todas las posibles áreas
rectangulares a formar, entonces, el máximo número de máquinas en filas posibles es 10 y
el mínimo número de máquinas distribuidas en filas permitidas es 10. Para calcular el
número de máquinas ubicadas en columnas debo aplicar lo siguiente:
1 10 0
2 5 0
3 4 -2
4 3 -2
5 2 0
6 2 -2
7 2 -4
8 2 -6
9 2 -8
10 1 0
De la tabla anterior se puede observar que las combinaciones: (6 filas,2 columnas) ;(7 filas,2
columnas) ;(8 filas;2 columnas) ;(9 filas;2 columnas), son dominadas por la combinación (5
filas, 2 columnas). La columna Desperdicio indica el número de máquinas que aún se
pueden instalar dentro del área total de la planta.
3) Escoger un diseño de planta y determinar la distancia entre todas las celdas. Los datos
de distancias quedarán agrupados en una matriz cuadrada.
Las únicas restricciones es que cada celda debe contener no más de una máquina y que
todas las máquinas deben estar asignadas a alguna celda.
4.1.1. Conjuntos
M : Máquinas
C :Celdas
4.1.2. Subíndices
m , m' : Máquina
c , c ' :Celdas
4.1.3. Parámetros
a mm' = Matriz de costos del manejo de materiales desde la má quina m haciala m á quina
4.1.6. Restricciones
6) Tabular todos los datos de la frontera de pareto y posteriormente graficar las variables
costos vs riesgo.
7) repetir desde el paso (3) en adelante con los otros diseños de planta obtenidos en el
paso ( 2) .
Conclusión
Referencias
[1] Dao T.K., Pan T.S., Nguyen T.-T. & Pan J.S.. (2018) Parallel bat algorithm for optimizing
makespan in job shop scheduling problems J. Int. Manuf., 29, pp. 245-462
[2] Gong G.L., Deng Q.W., Chiong R., et al. (2019) An effective memetic algorithm for multi-
objective job-shop scheduling Knowl-Based Syst., 182, Article 104840
[3] MR Garey & DS Johnson, (1979) Computer and Intractability: A Guide to the Theory of
NP-Completeness.
[4] Carlier J. & Pinson E. (1989) An algorithm for solving the job-shop problem Manage. Sci.,
35 (2), pp. 164-176